Bootcamp Audio Day

import numpy as np

from scikits.audiolab import Sndfile

from scikits.audiolab import Format

#################################################

######## CREATING A SOUND FILE INSTANCE #########

#################################################

# create Sndfile instance with our example audio file

f = Sndfile('viola.wav', 'r')

#################################################

######## EXTRACTING AUDIO FILE META-DATA ########

#################################################

# extract and print sample rate

fs = f.samplerate

print "sample rate: ",fs

# extract and print the number of channels

nc = f.channels

print "number of channels: ",nc

# extract the number of samples

nsamples = f.nframes

#################################################

######## READ AUDIO SAMPLES FROM THE FILE #######

#################################################

# we can read audio samples using the read_frame method

data = f.read_frames(nsamples)

#################################################

########## APPLY A DELAY TO THE SAMPLES #########

#################################################

# delay in samples

delay = fs/2

# volume of delayed sound

alpha = 0.75

# create an empty array for the output

out = np.zeros(data.size)

# for every sample in the array

for i in range(data.size):

    # if we are safe to apply the delay without negative indexing

    if (i >= delay):

        out[i] = data[i] + data[i-delay]*alpha

    else:

        out[i] = data[i] # hacky

#################################################

########## WRITING TO A NEW AUDIO FILE ##########

#################################################

# create a name for the new file

new_filename = 'delayed_audio.wav'

# Create a Sndfile instance for writing wav files @ 44100 Hz

format = Format('wav')

f = Sndfile(new_filename, 'w', format, 1, 44100)

# Write out the samples to an audio file

f.write_frames(out)

# close the audio file

f.close()

#################################################

#################################################

#################################################